Halcon学习笔记之缺陷检测(二)

Halcon学习笔记之缺陷检测（二）例程：detect_indent_fft.hdev说明：这个程序展示了如何利用快速傅里叶变换（FFT）对塑料制品的表面进行目标（缺陷）的检测，大致分为三步：首先，我们用高斯滤波器构造一个合适的滤波器（将原图通过高斯滤波器滤波）；然后，将原图和构造的滤波器进行快速傅里叶变换；最后，利用形态学算子将缺陷表示在滤波后的图片上（在缺陷上画圈）。注：代码中绿色部分为个人理解和注释,其余为例程中原有代码*Initialization（初始化）dev_updata_off() /这一句包含如下三个算子：/dev_updata_pc(off) 关闭更新程序计数器/dev_updata_var(off) 关闭更新变量窗口/dev_updata_window(off) 关闭更新图像窗口（即通过命令来显示想要在图像窗口显示的图片）dev_close_window() /关闭活动的图像窗口read_image(Image,plastics/plastics_01) /载入图片/参数说明：为读入图片命名（Image）/ 文件名（plastics/plastics_01）get_image_size(Image,Width,height) /获取图片的长宽；/参数说明：之前读入或生成的图片（Image）/ 图片的宽（Width）/ 图片的高（Height）dev_open_window(0,0,Width,Height,Black,WindowHandle) /打开一个新的图像窗口/参数说明：起始坐标（0,0）/ 大小（Width,Height）/ 背景颜色（Black）/ 窗口句柄（WindowHandle）set_display_font （WindowHandle,14,mono,ture,false）/设置不依赖操作系统的字体/参数说明：窗口句柄（WindowHandle）/ 字体大小（14）/ 字体类型（mono）/ 是否黑体（ture）/ 是否倾斜（false）dev_set_draw(Margin) /定义区域填充模式/参数说明：填充模式（Margin或者Fill）dev_set_line_width（3） /设置输出区域轮廓线的线宽/可以修改参数来看最后缺陷区域标示的区别dev_set_color（red） /设置一种或者多种输出颜色*Optimize the fft speed for the specific image size(根据指定图像大小进行fft速度最优化)optimize_rft_speed（Width,Height,standard） /对指定大小的图片的fft速度进行优化/参数说明：图片大小（Width,Height）/ 优化模式（standard）*Construct a suitable filter by combining two Gaussian filters（结合两个高斯滤波器构造一*个合适的滤波器）Sigma1 := 10.0Sigma2 := 3.0 /定义两个常量gen_gauss_filter(GaussFilter1,Sigma1,Sigma1,0.0,none,rft,Width,Height)gen_gauss_filter(GaussFilter2,Sigma2,Sigma2,0.0,none,rft,Width,Height) /在频域生成两个高斯滤波器/参数说明：生成的高斯滤波器（GaussFilter）/ 空域中高斯在主方向上的标准差（Sigma）/ 空域中高斯在正交于主方向的方向上的标准差（Sigma）/ 滤波器主方向的角度（0.0）/ 滤波器的规范（none）/ 直流项在频域的位置（rft）/ 图片的大小（Width,Height）sub_image(GaussFilter1,GaussFilter2,Filter,1,0) /两图片相减（灰度）/sub_image(ImageMinuend, ImageSubtrahend : ImageSub : Mult, Add : )/g := (g1 - g2) * Mult + Add/以上为函数原型以及运算公式*Process the images iteratively(对图像进行迭代运算)NumImages := 11For Index := 1 to NumImages by 1 /for循环从1到NumImages，步长为1 * *Read an image and convert it to gray values read_image(Image,plastics/plastics_+Index$02) rgb1_to_gray(Image,Image) /将原图转化为灰度图，第一个参数为原图 *Perform the convolution in the frequency domain rft_generic(Image,ImageFFT,to_freq,none,complex,Width)/对计算一幅图片实部进行快速傅里叶变换 /参数说明：输入的图片（Image） / 傅里叶变换后输出的图片（ImageFFT） / 变换方向（to_freq或from_freq） / 变换因子的规范（none） / 输出图片的数据类型（complex） / 图片的宽（Width） convol_fft(ImageFFT,Filter,ImageConvol) /对图片用一个滤波器在频域进行卷积运算 /参数说明：输入的图片（ImageFFT） / 频域滤波器（Filter） / 运算后输出的结果 rft_generic(ImageConcol,ImageFiltered,from_freq,n,real,Width) /对滤波后的图片进行傅里叶反变换 * *Process the filtered image gray_range_rect(ImageFiltered,ImageResult,10,10)/用一个矩形掩膜计算像素点的灰度范围 /参数说明：输入的图片（ImageFiltered） / 输出的灰度范围图（ImageResult） / 矩形掩膜大小（10,10） min_max_rect(ImageResult,ImageResult,0,Min,Max,Range)/判断区域内灰度值的最大和最小值 /参数说明：待分析图片区域（ImageResult） / 图片（ImageResult） / 被去除的直方图两边像素点所 / 占总像素数的百分比（0） / 得到的最小值最大值及灰度值范围（Min,Max,Range） threshold(ImageResult,RegionDynThresh,max(5.55,Max*0.8),255)/利用全局阈值对图像进行分割 /参数说明：输入的图片（ImageResult） / 分割后得到的区域（RegionDynThresh） / 阈值（max(5.55,Max*0.8),255） / 公式：MinGray = g = MaxGray connection(RegionDynThresh,ConnectedRegions) /计算区域内的连通部分 /参数说明：输入的图片（RegionDynThresh） / 得到的连通区域（ConnectedRegions） select_shape (ConnectedRegions,SelectedRegions,area,and,4,99999)/根据指定的形态特征选择区域 /参数说明：输入的图片（ConnectedRegions） / 满足条件的区域（SelectedRegions） / 将要计算的形态特征（area） / 独立特征间的连接关系（and） / 特征的最小限制（4） / 特征的最大限制（99999） union1(SelectedRegions,RegionUnion) /返回包含所有区域的集合 /参数说明：包含所有区域的待计算区域的图片（tedRegions） / 所有输入区域合（RegionUnion） closeing_circle(RegionUnion,RegionClosing,10)/用一个圆圈来封闭一个区域 /参数说明：将要被封闭的区域（RegionUnion） / 被封闭的区域（RegionClosing） / 圆圈的半径（10） connection(RegionClosing,ConnectedRegions1) select_shape(ConnectedRegions1,SelectedRegions1,area,and,10,99999) area_center(SelectedRegions1,Area,Row,Column) /计算区域的面积以及中心位置 /参数说明：待计算的区域（SelectedRegions1） / 区域的面积（Area） / 区域中心的行（Row） / 区域中心的列（Column） * *Display the results dev_display(Image) /显示原图 Number := |Area| /将区域面积赋给Number用于后面检查是否存在缺陷 if(Number) gen_circle_contour_xld(ContCircle,Row,Column,gen_tuple_const(Number,30),gen_tuple_const(Number,0), gen_tuple_const(Number,rad(360),positive,1)/构造一个与设定的圆弧或圆相一致的边界/参数说明：生成的边界（ContCircle）/ 圆弧或圆的中心坐标（Row,Cloumn）/ 圆弧或圆的半径（gen_tuple_const(Number,30)）/ 圆弧或圆的起始角度（gen_tuple_const(Number,0)）/ 圆弧或圆的结束角度（gen_tuple_const(Number,rad(360)）/ 不明白是什么意思/ 相邻两点间的距离（1） ResultMessage := Not OK,Number + defect(s) found Color := red,black dev_display(ContCircle) else ResultMessage := OK Color := forest green endif disp_message(WindowHandle,ResultMessage,window,12,12,Color,ture) if(Index#NumImages) disp_continue_message(WindowHandle,black,ture) stop() endifendfor算法讲解：在实际的表面缺陷检测系统中，针对的检测表面很多是具有一定纹理的比如：布匹、皮革、塑料等，针对这一类表面的检测就不能单纯依靠帧差或者背景差来完成，因为背景的纹理不可能和当前图像的纹理完全相同。因此，本例程的算法通过将图像变换到频域进行处理，提取缺陷分量后反变换到时域，获得缺陷的具体位置。高斯滤波器：在本算法中，在一开始就构造了两个高斯滤波器，高斯滤波器是一种线性平滑滤波器，适用于消除高斯噪声。滤波器的实质是对信号进行滤波，滤除不需